[发明专利]晶状体分割难度分类方法及装置

说明书

本发明涉及图像分析技术领域，具体涉及一种晶状体分割方法及装置。包括：采集样本数据并对各样本数据标注参考分割线；将各样本数据输入自动分割网络以获取各样本数据的自动分割结果；计算各样本数据的自动分割结构的分割综合误差；根据各样本数据的自动分割结果的分割综合误差确定该样本数据的分割难度等级；基于各样本数据及其分割难度等级建立分割难度判断网络；将原始图像输入到所述分割难度判断网络中以获取该原始图像的分割难度等级。上述技术方案建立的分割难度判断网络，能够自动的根据分割误差确定分割难易等级，解决认为定级所产生的主观性和前后不一致性的问题。

技术领域

本发明涉及图像分析技术领域，具体涉及一种晶状体分割方法及装置。

背景技术

前段光学相干断层扫描(Anterior segment optical coherence tomography ,AS-OCT) 是一种用于活体组织成像的技术，具有迅速、非接触、无创的特点。在检测眼科疾病的应用中，晶状体密度是衡量白内障等疾病严重程度的重要指标，晶状体结构分割是晶状体密度计算的重要依据和前提。晶状体密度是衡量白内障等疾病严重程度的重要指标，晶状体结构分割是晶状体密度计算的重要依据和前提。图1为晶状体结构示意图，晶状体是多层结构，具体分为：晶状体囊、皮质层和晶状体核。

目前，国际上采用晶状体混浊分类系统（Lens Opacities ClassificationSystem III，LOCS III）分类标准对活体白内障进行分类，以判定晶状体混浊的范围和程度。该方法的缺点主要在于：分类需人为干预，且结构分级结果严重依赖于医生经验，分级质量差异显著。申请公布号CN110176007A，申请公布日2019年8月27日的发明专利申请公开的晶状体分割方法，通过预设神经网络模型及形状模板可实现对晶状体结构的自动分割，从而在降低人工成本的同时，提高晶状体结构分割的准确度。受患者晶状体病变及拍摄设备影响，AS-OCT图像存在晶状体结构模糊、缺失、以及人工晶体等现象，此类图像无法通过算法实现结构分割。同时，对于晶状体结构相对完整、可进行结构分割的图像，无法评价分割算法对图像分割结果的可信度。

发明内容

本发明为解决上述技术问题，提供了一种晶状体分割难度分类方法，其特征在于，包括：

采集样本数据并对各样本数据标注参考分割线；

将各样本数据输入自动分割网络以获取各样本数据的自动分割结果；

根据各样本数据的所述标注参考分割线计算各样本数据的自动分割结果的分割综合误差；

根据各样本数据的自动分割结果的分割综合误差确定该样本数据的分割难度等级；

基于各样本数据及其分割难度等级建立分割难度判断网络；

将原始图像输入到所述分割难度判断网络中以获取该原始图像的分割难度等级。

上述技术方案建立的分割难度判断网络，能够自动的根据分割误差确定分割难易等级，解决认为定级所产生的主观性和前后不一致性的问题。

进一步地，所述分割参考线包括晶状体上边界参考线、晶状体下边界参考线、皮质层上边界参考线、皮质层下边界参考线、晶状体核上边界参考线、晶状体核下边界参考线；所述样本数据的自动分割结果包括对应于其晶状体上边界参考线的晶状体上边界分割线、对应于其晶状体下边界参考线的晶状体下边界分割线、对应于其皮质层上边界参考线的皮质层上边界分割线、对应于其皮质层下边界参考线的皮质层下边界分割线、对应于其晶状体核上边界参考线的晶状体核上边界分割线、对应于其晶状体核下边界参考线的晶状体核下边界分割线；样本数据的所述分割综合误差，基于样本数据自动分割结果中的一条或者多条分割线的单项误差确定。晶状体自动分割结果中不同结构的分割误差不同，可以仅根据误差较大的结构来确定分割难度。